😺️ Lynx: разрабатывайте кросплатформу нативно
Китай наносит ответный удар, разработчики TikTok заопенсорсили свой Кроссплатформенное семейство технологий. Включает в себя тулинг для нативных приложений и браузера.

🔵Lynx разработан командой ByteDance и активно поддерживается TikTok.
🔵TikTok активно использует Lynx для создания различных поверхностей, от легких панелей до сложных витрин магазинов.
🔵Поддерживает привычный подход к веб-разработке, позволяя использовать разметку и CSS.
🔵Поддерживает CSS-анимации, переходы и современные визуальные эффекты.
🔵В мобильных приложениях, весь UI рендерится нативно, без веб технологий
🔵Использует статически принудительное разделение на основной и фоновый потоки для обеспечения интерактивности.
🔵Обеспечивает мгновенный рендеринг первого кадра и создание сценариев для главного потока, что ускоряет запуск приложений.
🔵Уже есть IDE для удобства разработки
🔵Легко интегрировать в существующие приложения

Сначала я подумал "очередной убийца". А потом посмотрел глубже, и понял что это прям огнище, в контексте того что SDUI сейчас на подъеме, это тот самый нативный SDUI для приложения с надежной поддержкой от TikTok

🎯 Отслеживание горизонта на изображении с помощью Vision framework

Vision framework существует уже достаточно давно, но так как это чисто iOS фишка, мало кто его активно использует. Несмотря на появление в iOS 11, обрел практический смысл он после релиза гарнитуры. Vision Pro. Статья рассматривает интересный кейс использования фреймворка вне VR/AR приложений:
🟢Vision Framework позволяет определять угол наклона горизонта на изображении.
🟢Функция DetectHorizonRequest() принимает изображение и возвращает HorizonObservation.

Пример максимально простой и показывает возможность использования Vision для небольших приятных фич в ваших приложениях. Можно по аналогии адаптировать другие API:
🟢Классификация содержимого на фото
🟢Выделение людей на последовательности фото
🟢Выделение наиболее "эстетичных" фото
🟢Выделение наиболее значимых элементов на фото (тепловая карта, которая определяет части изображения, наиболее привлекающие внимание)
🟢Определение положения тела и рук
🟢Обнаружение текста или штрих-кода
🟢Обнаружение животных с распознаванием

#Vision

🎵 Идентификация отдельных звуков в аудиофайле
Продолжаем разбираться в возможностях актуальных Apple фреймворков. На этот раз Sound Analysis framework. Идентификация звуков в аудиофайле важна для различных приложений, таких как распознавание речи и анализ звука. Apple Sound Analysis Framework позволяет идентифицировать различные классы звуков с помощью встроенной модели машинного обучения или пользовательских моделей. Фреймворк может использоваться для обработки аудиопотоков в реальном времени и проверки предварительно записанных аудиофайлов.
В статье рассматривается создание приложения для классификации звуков с использованием SwiftUI и Apple Sound Analysis Framework:
🟢Приложение анализирует аудиофайл, классифицирует звуки и отображает их в виде списка.
🟢Руководство состоит из трех шагов: определение класса ObserverResults, настройка функции классификации звуков с помощью Sound Analysis фреймворка и вывода результата с использованием SwiftUI.
🟢Apple Sound Analysis Framework предоставляет широкие возможности для решения задач анализа звука, включая пакетную обработку, манипулирование высококачественными записями и автономный анализ.
Полезные ссылки:
➡️Sound Analysis документация
➡️WWDC сессия про Sourd Analysis
➡️Create ML - документация по обучению ML моделей для приложения

#SoundAnalysis

📱 Рендеринг пиксельной графики с помощью SwiftUI
Люблю интересные задачки. Недавно только думал как реализуют алгоритмы для рисования картин по-номерам из любой фотографии. Суть задачи простая, разбиваем изображение на полигоны, находим средний цвет в каждом полигоне и выбираем наиболее близкий из доступной палитры. Звучит просто? Но каждый из этапов со звездочкой: полигон какой формы, как выделить контуры? Какой размер полигона? Нужно ли мержить полигоны? Какое минимальное число цветов нужно для generic решения? Можно посмотреть решение на TypeScript но статья не про это.
Статья про решение похожей задачи: перевод в PixelArt. Основная проблема рендеринга пиксельной графики — сохранение четких границ пикселей при масштабировании. Можно использовать .interpolation(.none) модификатор, чтобы избежать размытия. Холст позволяет рисовать дополнительные элементы, такие как разделители. Так же используются модификаторы aspectRatio, antialiased для корректного рендеринга.